4. Filtering in Microarrays Data

Helloo, selamat berjuang para pencari ilmu !, masih semangatkan yaa untuk terus belajar bioinformatika hehe, sekarang saya ingin menyampaikaan step selanjutnya dari tulisan saya sebelumnya mengenai 3. Preprocessing Microarrays Data, yaitu tahap Filtering microarrays data , selamat membaca dan semoga bermanfaat :) …

Pic 1. Filter, Source : https://www.vectorstock.com/royalty-free-vector/concept-of-digital-data-filtering-electronic-vector-19954308

How to Filtering data bioinformatics ?

Pengertian fiter adalah salah satu operasi dasar untuk menghapus atau mengurangi sebagian data yang tidak diikutsertakan dalam analisis, sehingga dapat meningkatkan kualitas model dan proses pemodelan lebih efisien.

Menggunakan bantuan packages khusus dari bioinformatics yang digunakan untuk memfilter data yang berbentuk ekspression set yaitu dengan library genefilter dengan fungsi nsFilter. Paket genefilter dapat digunakan untuk memfilter (memilih) gen dari set data microarray sesuai dengan beragam mekanisme filter yang berbeda. Dari data ekspression set berdimensi 52 x 54675, kemudian difilter untuk mengurangi sebagian data yang tidak diperlukan dengan perintah :

# Filtering menggunaakn fungsi nsFilter
# nsFilter digunakan untuk data berbentuk expression set yaitu data affybatch yang sudah di exprs
library(genefilter)
filter4 <- nsFilter(dchip4, require.entrez =T, remove.dupEntrez = T, var.func   = IQR, var.cutoff = 0.9 , feature.exclude = "^AFFX") 
filter4
log4 <-filter4$filter.log 
eset4 <- filter4$eset

Pada perintah nsFilter terdapat beberapa perintah yang dilakukan seperti require.entrez untuk memfilter tanpa anotasi Entrez Gene ID, remove.dupEntrez untuk menghapus ID yang sama atau terduplikat, var.cutoff untuk memfilter gen dengan nilai tertentu, dan feature.exclude untu menyaring probe control untuk tidak dimasukkan kedalam analisis (Gentleman, Carey, Huber, & Hahne, 2019).

data4 <- exprs(eset4)
dim(data4)

Hasil pada tahap filtering menghasilkan data berdimensi 52 x 2019 yang masih berbentuk ekpression set dan kemudian dirubah menjadi data frame atau data matrix dengan menggunakan bantuan perintah exprs seperti pada Pic 2 data yang telah melewati tahap filtering. Karena data masih memiliki dimensi yang besar, maka data akan dikurangi lagi pada tahap Future Selection pada tulisan selanjutnya.

Pic 2. Hasil Filtering

Cukup sekian dulu tulisan mengenai filtering, sudah mulai paham cara filtering microarray data ? silahkan untuk di ikuti langkahnya dan dieksplore lebih dalam yaa, sekian dulu untuk materinya, selanjutnya akan membahas tentang Future Selection …

Thanks for reading about Filtering in Microarrays data, hopefully this article can help you, see you in the next article …